- •Содержание
- •Как читать эту книгу и как ею пользоваться
- •Глава 1
- •1.2. Шкалы измерения
- •1.3. Распределение признака. Параметры распределения
- •1.4. Статистические гипотезы
- •Направленные гипотезы
- •Ненаправленные гипотезы
- •1.5. Статистические критерии
- •Параметрические критерии
- •Непараметрические критерии
- •1.6. Уровни статистической значимости
- •Правило отклонения h0 и принятия h1
- •1.7. Мощность критериев
- •1.8. Классификация задач и методов их решения
- •1.9. Принятие решения о выборе метода математической обработки
- •Алгоритм 1
- •Алгоритм 2
- •1.10. Список обозначений Латинские обозначения:
- •Греческие обозначения:
- •Глава 2 выявление различий в уровне исследуемого признака
- •2.1. Обоснование задачи сопоставления и сравнения
- •2.2. Q - критерий Розенбаума
- •Алгоритм 3 Подсчет критерия q Розенбаума
- •Правила ранжирования
- •Алгоритм 4 Подсчет критерия u Манна-Уитни.
- •2.4. Н - критерий Крускала-Уоллиса
- •Алгоритм 5 Подсчет критерия н Крускала-Уоллиса
- •Алгоритм 6 Подсчет критерия s Джонкира
- •2.6. Задачи для самостоятельной работы
- •2.7. Алгоритм принятия решения о выборе критерия для сопоставлений
- •Глава 3 оценка достоверности сдвига в значениях исследуемого признака
- •3.1. Обоснование задачи исследований изменений
- •3.2. G- критерий знаков
- •Алгоритм 8 Расчет критерия знаков g
- •Алгоритм 9 Подсчет критерия т Вилкоксона
- •3.4. Критерий χ2r Фридмана
- •Алгоритм 10 Подсчет критерия χ2r Фридмана
- •3.5. L - критерий тенденций Пейджа
- •Алгоритм 11 Подсчет критерия тенденций l Пейджа
- •3.6. Задачи для самостоятельной работы
- •3.7. Алгоритм принятия решения о выборе критерия оценки изменений
- •Глава 4 выявление различий в распределении признака
- •4.1. Обоснование задачи сравнения распределений признака
- •4,2. Χ2 критерий Пирсона
- •Шутливый пример
- •Алгоритм 13 Расчет критерия χ2
- •Алгоритм 14 Расчет абсолютной величины разности d между эмпирическим и равномерным распределениями
- •Алгоритм 15 Расчет критерия λ при сопоставлении двух эмпирических распределений
- •Глава 5 многофункциональные статистические критерии
- •5.1. Понятие многофункциональных критериев
- •5.2. Критерий φ* — угловое преобразование Фишера
- •Алгоритм 17 Расчет критерия φ*
- •5.3. Биномиальный критерий ш Назначение критерия m
- •Алгоритм 18 Применение биномиального критерия m
- •5.4. Многофункциональные критерии как эффективные заменители традиционных критериев
- •5.5. Задачи для самостоятельной работы
- •5.6. Алгоритм выбора многофункциональных критериев
Параметрические критерии
Критерии, включающие в формулу расчета параметры распределения, то есть средние и дисперсии (t - критерий Стьюдента, критерий F и др.)
Непараметрические критерии
Критерии, не включающие в формулу расчета параметров распределения и основанные на оперировании частотами или рангами (критерий Q Розенбаума, критерий Т Вилкоксона и др.)
И те, и другие критерии имеют свои преимущества и недостатки. На основании нескольких руководств можно составить таблицу, позволяющую оценить возможности и ограничения тех и других (Рунион Р., 1982; McCall R., 1970; J.Greene, M.D'Olivera, 1989).
Таблица 1.1
Возможности и ограничения параметрических и непараметрических критериев
ПАРАМЕТРИЧЕСКИЕ КРИТЕРИИ |
НЕПАРАМЕТРИЧЕСКИЕ КРИТЕРИИ |
1. Позволяют прямо оценить различи* в средних, полученных в двух выборках (t - критерий Стьюдента). |
Позволяют оценить лишь средние тенденции, например, ответить на вопрос, чаще ли в выборке А встречаются более высокие, а в выборке Б - более низкие значения признака (критерии Q, U, φ* и др.). |
2. Позволяют прямо оценить различия в дисперсиях (критерий Фишера). |
Позволяют оценить лишь различия в диапазонах вариативности признака (критерий φ*). |
3. Позволяют выявить тенденции изме-нения признака при переходе от условия к условию (дисперсионный однофакторный анализ), но лишь при условии нормального распределения признака. |
Позволяют выявить тенденции изменения признака при переходе от условия к условию при любом распределении признака (критерии тенденций L и S). |
4. Позволяют оценить взаимодействие двух и более факторов в их влиянии на изменения признака (двухфакторный дисперсионный анализ). |
Эта возможность отсутствует. |
5. Экспериментальные данные должны отвечать двум, а иногда трем, условиям: а) значения признака измерены по интервальной шкале; б) распределение признака является нормальным; в) в дисперсионном анализе должно соблюдаться требование равенства дисперсий в ячейках комплекса. |
Экспериментальные данные могут не отвечать ни одному из этих условий: а) значения признака могут быть представлены в любой шкале, начиная от шкалы наименований; б) распределение признака может быть любым и совпадение его с каким-либо теоретическим законом распределения необязательно и не нуждается в проверке; в) требование равенства дисперсий отсутствует. |
6. Математические расчеты довольно сложны. |
Математические расчеты по большей части просты и занимают мало времени (за исключением критериев χ2 и λ). |
7. Если условия, перечисленные в п.5, выполняются, параметрические критерии оказываются несколько более мощными, чем непараметрические. |
Если условия, перечисленные в п.5, не выполняются, непараметрические критерии оказываются более мощными, чем параметрические, так как они менее чувствительны к "засорениям'. |
Из Табл. 1.1 мы видим, что параметрические критерии могут оказаться несколько более мощными5, чем непараметрические, но только в том случае, если признак измерен по интервальной шкале и нормально распределен. С интервальной шкалой есть определенные проблемы (см. раздел "Шкалы измерения"). Лишь с некоторой натяжкой мы можем считать данные, представленные не в стандартизованных оценках, как интервальные. Кроме того, проверка распределения "на нормальность" требует достаточно сложных расчетов, результат которых заранее неизвестен (см. параграф 7.2). Может оказаться, что распределение признака отличается от нормального, и нам так или иначе все равно придется обратиться к непараметрическим критериям.
Непараметрические критерии лишены всех этих ограничений и нетребуют таких длительных и сложных расчетов. По сравнению с параметрическими критериями они ограничены лишь в одном - с их помощью невозможно оценить взаимодействие двух или более условий или факторов, влияющих на изменение признака. Эту задачу может решить только дисперсионный двухфакторный анализ.
Учитывая это, в настоящее руководство включены в основном непараметрические статистические критерии. В сумме они охватывают большую часть возможных задач сопоставления данных.
Единственный параметрический метод, включенный в руководство - метод дисперсионного анализа, двухфакторный вариант которого ничем невозможно заменить.